Measuring the spatial heterogeneity of outdoor users in wireless cellular networks based on open urban maps
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wireless cellular network planning benefits from accurate and realistic, yet relatively simple and manageable, spatial traffic models. User locations in cellular networks are often modeled as homogeneous (uniform) Poisson point processes (PPPs). However, the real user distributions are seldom purely homogeneous. Network users are usually concentrated at social attractors such as residential and office buildings, shopping malls, and bus stations. Wireless spectral efficiency depends significantly on the users' spatial heterogeneity, and thus relevant spatial traffic generators and models are important. In future (5G) networks, for which device-to-device (D2D), millimeter-wave (mmWave), and small-cell deployments in Heterogeneous Networks (HetNets), are promising technologies, it will become more important to have spatial traffic models which can represent the broad possibilities from completely homogeneous cases (e.g., a deterministic lattice) to extremely heterogeneous cases (e.g., highly clustered scenarios). In this paper, we study the spatial traffic heterogeneity of outdoor users in the denser areas of the city center of Paris, France. The building shape data is freely available from the OpenStreetMaps project. We measure the heterogeneity via a second-order statistic: the Coefficient of Variation (CoV) of two spatial metrics of the resulting point process: the Voronoi cell areas and the Delaunay cell edge lengths. The expected value of the CoV of these metrics allows us to study how the heterogeneity increases with the density of users. Moreover, we find that the statistical distribution of both these metrics is close to Weibull. Our results illustrate that the topology of the buildings in the city imposes a significant degree of heterogeneity on the spatial distribution of the wireless traffic.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle